基于非等距BFA-GM(1,1)模型的尾翼疲劳寿命预测  

Empennage Fatigue Life Prediction Based on Non-equidistant BFA-GM(1,1) Model

作　　者：杨大炼[1,2] 刘义伦[1,3] 李松柏[1] 陶洁[1] 

机构地区：[1]中南大学机电工程学院,湖南长沙410083 [2]湖南科技大学湖南省机械设备健康维护重点实验室,湖南湘潭411201 [3]中南大学轻合金研究院,湖南长沙410083

出　　处：《湖南大学学报（自然科学版）》2016年第8期63-69,共7页Journal of Hunan University:Natural Sciences

基　　金：国家自然科学基金资助项目(51375500);湖南省教育厅资助项目(2013SK2001);中南大学中央高校基本科研业务费专项资金资助项目(2013ZZTSS037)~~

摘　　要：针对非等距GM(1,1)模型中背景值系数α对模型的预测能力影响很大而最优值难以确定的问题,将细菌觅食算法与GM(1,1)模型相结合,提出了BFA-GM(1,1)优化模型.以飞机尾翼疲劳寿命预测为实例,分析比较了BFA-GM(1,1)模型、PSO-GM(1,1)模型和GA-GM(1,1)模型的性能.从试验的结果来看,本文提出的BFA-GM(1,1)模型消耗的时间少于其他2种模型消耗的时间,而平均预测误差低于其他2种模型的平均预测误差,这说明本文提出的BFA-GM(1,1)模型能够更快速、更准确地找到最优的背景值系数α,从而提高了'小样本''贫信息'条件下的飞机尾翼疲劳寿命预测的精度.The background value coefficient a of the non-equidistant GM （1, 1） model has great influence on the predictive capability, but it is difficult to determine its optimal value. For these problems, the bacterial foraging algorithm and a GM （1, 1） model were combined and the BFA-GM （1, 1） optimization model was proposed. Taking the experiment of empennage fatigue life prediction as an example, the performances of the BFA-GM （1, 1） model, the PSO-GM （1, 1） model and the GA-GM （1, 1） model were analyzed and compared. The results have shown that the BFA-GM （1, 1） model consumes the least time and obtains the lowest average prediction error, and that the BFA-GM （1, 1） model proposed is competent to find the optimal background value coefficient α quickly and accurately, thereby increasing the empennage fatigue life prediction accuracy under the conditions of ＂small samples＂ and ＂poor information＂.

关 键 词：细菌觅食算法 非等距GM(1 1)模型 疲劳 寿命预测 参数优化 

分 类 号：TG146.2[一般工业技术—材料科学与工程]